采取以数据为中心的安全措施
公司通过安装网络防火墙，监视网络端点以及在这些元素进入网络时检测病毒和恶意软件来保护其数据，哪些公司 没有 一贯做的是采取安全的数据中心认为，从谁是接触数据本身的角度看监控数据使用，以及何时何地，他们正在这样做，实时监视，跟踪和报告谁在何时何地访问哪些数据，可以使IT和数据所有者了解如何使用其数据，以便他们对所有访问实例进行审核，这有助于他们确保授权用户正确使用数据，这种做法可防止信息和知识产权遭到破坏和盗用，例如当员工从服务器拉出的拇指驱动信息走出大门时。

数据跟踪器会告诉您数据下载的位置
用户是谁，数据提取是否符合该用户期望的数据使用模式以及提取的位置，作为一项先发制人的安全和取证措施，了解数据的位置，正在使用的人，如何使用它以及何时使用它是数据管理的重要方面，而网络防火墙，漏洞检查和入侵检测则不然，完全遮盖。

当今的IT每天都面临着海量数据的挑战
要让数据所有者了解谁在何时何地消费数据，需要专门针对数据的工具，由于治理和合规性要求，内部威胁和公司政策，这已成为IT领域的新焦点，了解您的数据沿袭以优化其使用，监视数据的使用还可以通知应用程序开发人员和计划人员在何处，何时如何以及由谁使用数据，如果您正在编写一个用于销售的客户主文件应用程序，则您可能还会发现所访问的数据正在被现场服务，工程甚至制造业使用，这样可以将应用程序的使用范围扩大到公司中更多的人，从而使您可以更好地利用数据和应用程序并从中获得更大的价值。

了解数据的多种用途，包括不使用但可能在何处使用数据
甚至可以激发出新产品，从而树立公司的品牌，对于数据管理者而言，无论管理是在大数据中还是在更传统的结构化数据中，数据管理都可以提升到一个新的水平，跟踪数据及其使用方式是发现的一种练习，您越了解数据，就越能优化数据资产。

为什么管理数据科学项目与IT项目不同
IT项目，数据科学项目及其结果看起来彼此非常不同，像对待它们一样管理它们是心痛的秘诀，在传统的IT项目中，要确定一个业务案例，开发一个满足业务案例需求的系统，制定可交付成果的时间表，并且该项目中征募的每个人都必须承担必须符合书面要求的工作，准时，结构良好的IT项目中很少有歧义，每个人都了解行进命令，在数据科学中，情况并非总是如此，在这种情况下，可以拟定业务案例，但要获得预期的结果并不总是那么直接和可预测的。实际上，对于大多数数据科学项目而言似乎存在的硬性度量标准是，与用于确定正确性的公认标准相比，从对数据进行运算的算法得出的结果必须至少为95％“正确”。

这种流动性可能使管理这些项目以获得结果似乎变得不可能
这里有一些使管理顺利进行的方法，为每个数据科学项目创建定义明确的业务框架，如果您的目标是确定从现在起两到三年内公司客户希望从产品中看到什么，则评估趋势和客户反馈数据并查找人口统计信息将成为这些数据的载体，并且可能会指导数据科学团队进行开发算法和可发现的数据，可以发现这些趋势以用于将来的产品开发，如果目标是发现如何针对特定疾病配制疫苗，则应针对正确的数据子集进行算法探测，以便这些信息可以指向公司化学家应采取的方向。

在这两种情况下您都应该拥有一个了解业务任务以及数据科学如何提供帮助的人
此人可以确保团队继续执行任务，并且没有项目偏离原始业务案例，为了专注于业务，此人很有可能来自IT或终业务，专注于解决业务案例，但不要忘记项目漂移的好处数据科学是一门迭代学科，它在解决问题的方式上尝试了许多不同的算法和数据类型，但是由于其数据范围比传统IT的范围广，因此总是有可能从数据中发现辅助发现，而这些发现可能与当前业务案例的直接重点无关。

在为所需疫苗找到元素结合的方法上
研究小组可能会无意间遇到另一种元素组合，它们有可能解决不同的健康问题，这些衍生的见解不应该被丢弃，至少应将它们放置在将来的数据探查的“停车场”中，因为它们可以利用数据科学项目的价值，建立多元化的项目团队，许多公司专注于聘用资深的数据科学家，但也有必要培养具有数据科学能力的内部人才，或从大学招聘新的毕业生。初级人员可以为项目带来新的见解和业务知识。他们还可以将人员技能带入团队，以促进与其他业务部门的有效沟通。

管理您的巨星
我看到过公司实际上被其IT专家束缚了，他们害怕激怒他们，完全由他们摆布，如果这种动态在您的项目团队中得以形成，那么您应该与这位超级巨星坐下来，看看是否有可能采取更加合作和面向团队的态度，如果没有那么您将做出更艰难的决定，让此人继续任职对项目是否构成风险。

与利益相关者和高层管理人员持续沟通
高层管理人员和利益相关者可能对数据科学职能不屑一顾，但他们不是项目管理方面的专家，因此倾向于以与评估IT项目相同的方式来评估数据科学的成功与否，将数据科学与IT项目进行比较并不是将苹果与苹果进行比较，在IT中项目结果和工作流程得到了很好的定义。相反，数据科学是一个迭代的，非线性的过程，从其本质上来说是不可预测的，管理层和利益相关者需要了解这些差异，以便他们可以相应地调整自己的期望。

不要忽略数据质量

当利益相关者和管理层迫于压力要从数据科学项目中获得结果时，就会产生风险，并且所评估的数据不是质量的，如果数据不是高质量的，那么算法得出的结果也不会，结果可能是错误的结论，会误导业务决策，没有人愿意这样做。在将数据科学项目投入生产之前，请始终确保数据的质量。

免费客服热线：400-050-6600

商业联合会数据分析专业委员会